On the interplay between mobility and hospitalization capacity during the COVID-19 pandemic: The SEIRHUD model
减少COVID-19疫情影响的措施需要后勤、政治和社会能力的组合。各国采取了不同的办法来提高住院能力或适当实行封锁。为了更好地了解这些措施的影响，我们开发了一个分区模型，一方面可以校准不同地区内和不同地区之间人员流动的减少，另一方面它包含了住院动态，区分了感染者可以接受的治疗种类。通过界定住院能力，我们能够详细研究流动性和住院能力之间的相互作用。
2020-06-11 physics.soc-ph q-bio.PE
Compartmental and cellular automaton $SEIRS$ epidemiology models for the COVID-19 pandemic with the effects of temporal immunity and vaccination
我们考虑了$SEIRS$流行病学模型，该模型具有COVID-19爆发的特征：大量未识别的感染者，有限的免疫时间和接种疫苗的可能性。在该模型的一个房室实现，我们发现了无病和地方病的平稳状态。通过线性稳定性分析，它们存在于各自的限制区域。并给出了基本再生数的表达式。感染个体的分数的第一个峰的位置和高度的数值获得，并拟合到简单的代数形式，这取决于模型率。通过元胞自动机算法，对该模型进行了基于格的实现的计算机模拟。这些允许明确研究隔离措施的影响，通过改变邻里的大小。本集团尝试配合检疫及疫苗接种措施，旨在平衡解决方案，以有效抑制大流行。
2021-12-05 physics.soc-ph q-bio.PE
Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model
我们研究了SEIR模型的变体，以解释法国Covid-19疫情统计数据的一些定性特征。标准的SEIR模型基本上区分了两种情况：要么疾病得到控制，感染人数迅速减少，要么疾病传播并污染相当一部分人口，直到实现群体免疫。封锁后，乍一看，社交距离似乎不足以控制疫情。我们在这里讨论一个可能的解释，即封锁正在创造社会异质性：即使绝大多数人口遵守封锁规则，一小部分人口仍然必须保持正常或高水平的社会互动，例如卫生工作者，基本服务提供者，这导致通过重新估计基本繁殖率来衡量的流行病传播的明显高水平。然而，这些措施仅限于平均数，而人口内部的差异对流行病爆发的高峰和规模起着至关重要的作用，往往会降低这两个指标。我们提供了理论和数值结果来支持这样的观点。
2020-06-23 physics.soc-ph q-bio.PE
Assessing the Impact of Social Network Structure on the Diffusion of Coronavirus Disease (COVID-19): A Generalized Spatial SEIRD Model
在本文中，我研究了一个广义的空间SEIRD模型中的流行病扩散，其中个人最初连接在一个社会或地理网络。随着病毒在网络中传播，由于预防措施和/或空间距离政策，人与人之间的互动结构可能会随着时间的推移而发生内在变化。我通过模拟探索动态连接疾病扩散和网络特性的协同进化过程的动态特性。结果表明，为了预测网络种群中的流行病现象如何演变，仅仅关注初始相互作用结构的性质是不够的。事实上，网络结构和隔间份额的共同进化强烈地塑造了流行病扩散的过程，特别是在其速度方面。此外，我表明，空间距离政策的时机和功能可能会显着影响其有效性。
2020-10-21 physics.soc-ph q-bio.PE
A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model
一场由新型冠状病毒引起的大流行病在全球蔓延，影响到了阿根廷。我们实施了一个SEIR模型来分析疾病在布宜诺斯艾利斯和邻近城市的演变。使用官方报告的伤亡人数校准模型参数。由于无限的解决方案尊重的数据，我们显示不同的情况。在所有这些地区，繁殖率$R_0$在早期封锁后下降，但随后上升，可能是由于人口密集的贫民窟的传染增加。因此，必须通过应用控制策略来扭转$R_0$的这种增长趋势，以避免大量的感染和死亡个体。该模型提供了一个有效的过程来估计流行病参数（死亡率，传播概率，感染和潜伏期）和监测控制措施在流行病的演变。
2020-07-15 physics.soc-ph q-bio.PE
SEIRD model to study the asymptomatic growth during COVID-19 pandemic in India
根据目前的认识，有症状、症状前和无症状的感染者都可以感染对SARS-Cov-2易感的健康人群。更重要的是，各种报告表明，无症状病例的数量可能比报告的有症状病例高出数倍。在这篇文章中，我们以截至9月1日印度和该国各邦报告的病例为样本，了解COVID-19的进展情况。采用改进的SEIRD模型，我们预测了COVID-19在有症状和无症状感染人群中的传播。考虑到报告的感染主要是由于症状，我们比较模型预测的结果与现有的数据，以估计无症状感染人群的动态。我们的数据表明，在没有无症状感染人群的情况下，有症状病例的数量会少得多。因此，通过广泛或随机检测来消除无症状感染人群，可以减少有症状感染的当前进展。本研究的动机严格限于学术追求;这种理论研究并不意味着影响政策决定或公共卫生实践。
2020-09-11 physics.soc-ph q-bio.PE
A new SEIR type model including quarantine effects and its application to analysis of Covid-19 pandemia in Poland in March-April 2020
接触者追踪和隔离是成熟的非药物流行病控制工具。该文件旨在阐明该等措施对COVID-19疫情的影响。引入了一个新的确定性模型（SEIRQ：易感，暴露，传染，删除，隔离）与Q室捕获个人和释放他们的延迟。我们得到了一个简单的规则定义的再生数$\mathcal{R}$的检疫参数，诊断病例的比率和传输参数。该模型应用于2020年3月至4月波兰的疫情，当时采取了社交距离措施。我们调查了3种情况对应于不同比例的诊断病例。我们的研究结果表明，根据不同的情况，接触者追踪可以预防50%到90%以上的病例。隔离的效果受到未确诊病例比例的限制。考虑到波兰在采取社会限制措施之前的传播强度，如果不采取任何社会距离措施，就不可能控制这一流行病。
2020-05-29 physics.soc-ph q-bio.PE
Fractional SEIR Model and Data-Driven Predictions of COVID-19 Dynamics of Omicron Variant
我们通过一个部分可识别暴露感染去除（SEIR）模型研究了Omicron变体引起的COVID-19的动态演变。初步数据表明，Omicron感染的症状并不突出，因此传播更隐蔽，这导致在大流行开始时新感染者的发现病例增加相对缓慢。为了描述特定的动力学，Caputo-Hadamard分数阶导数被用来改进经典的SEIR模型。基于已报道的数据，我们通过分数物理信息神经网络（fPINNs）推断分数阶SEIR模型的分数阶、时间相关参数以及未观察到的动力学。然后，我们使用学习的分数SEIR模型进行短期预测。
2022-05-23 cs.NA math.NA physics.soc-ph
Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model
在本文中，我们提出了一个易感-感染-暴露-死亡-死亡（SEIRD）差分模型，用于分析和预测意大利部分地区的COVID-19传播，使用意大利Protezione Civile从2020年2月24日开始的数据。在这项研究中，调查的适应模型。由于意大利政府在不同时间实施了几项限制措施，从2020年3月8日开始，我们建议通过引入时间相关的传输速率来修改SEIRD。在数值结果中，我们报告了最先受到COVID-19疫情影响的三个意大利地区（伦巴第、威尼托和艾米利亚-罗马涅）的最大感染传播。一旦获得更多的数据，这一方法将陆续推广到意大利其他地区。
2020-03-22 q-bio.PE
Why can we observe a plateau even in an out of control epidemic outbreak? A SEIR model with the interaction of $n$ distinct populations for Covid-19 in Brazil
本文提出了一个$n$不同人群相互作用结构的SEIR模型来描述COVID-19大流行性疾病的传播。所提出的模型具有灵活性，包括地理上分离的社区，以及考虑到人口老龄化群体及其相互作用。我们表明，不同的假设所提出的模型的动态导致感染人口的高原状曲线，反映了从大国，如巴西收集的数据。这些观察结果旨在提出以下猜想：“正如拟议模型所反映的那样，新冠肺炎从首都向巴西内地的扩散是该国报告病例呈高原状的原因”。我们提出了一些方案的数值模拟和比较与上述结论相印证的报告数据从巴西。
2020-08-03 math.DS physics.soc-ph q-bio.PE
Public Health Policy: COVID-19 Epidemic and SEIR Model with Asymptomatic Viral Carriers
我们基于SEIRA模型（包括无症状传播的SEIR模型）衡量不同公共卫生法规对COVID-19传播的影响。累计确诊病例数、累计死亡数与无症状率呈非线性正相关。基于该模型，我们分析了三种公共卫生政策对COVID-19的抑制作用，即实验室确诊病例的隔离、一般个人防护和隔离（封锁）。模拟的结论是，隔离显示有限的影响，无症状的病毒携带者。一般个人防护和隔离在参与人数相同时，效果相似。当无症状、轻度症状和被忽视的患者的总比例为40%时，仅依靠隔离政策可能会导致额外75%的感染，而一般的个人防护或隔离的效率为80%。最后，我们提供了在空中传播的流行病（COVID-19）之前和期间进行公共卫生干预的七项建议。
2020-04-14 q-bio.PE
COVID-19 reproduction number estimated from SEIR model: association with people's mobility in 2020
本文是在世界范围内对两个流行病学问题的探索性研究。疾病传播的速度有多快？对人们的限制（特别是行动限制）是否带来了预期的效果？为了回答第一个问题，我们提出了一个工具，估计再现数的流行病（继发感染的数量$R_t$）的SEIR模型的基础上，并将其与非模型$R_t$估计。为了衡量不同国家COVID-19的$R_t$，从约翰霍普金斯大学系统科学与工程中心（CSSE）检索了冠状病毒感染、康复和死亡的每日病例的实时数据。为评估2020年COVID-19疫情期间流动限制措施的有效性，我们列出了$R_t$与人们流动性之间的相关性（基于Apple流动性指数）。考虑了12个国家的相关性，其中大多数国家的相关性为负。这表明在实施流动限制方面出现了延迟--各国实施这些限制是为了应对新冠肺炎病例的增长，而不是为了预防。
2021-08-27 cs.SI physics.soc-ph q-bio.PE
A Modified SEIR Model for the Spread of COVID-19 Considering Different Vaccine Types
COVID-19疫情影响全球人民的生活。在过去的一年里，许多研究人员提出了不同的模型和方法来探索如何减缓疾病的传播。其中一个被大量使用的模型是敏感-暴露-不敏感-暴露（SEIR）模型。一些研究者对传统的SEIR模型进行了改进，提出了新的版本，但据我们所知，现有的文献没有考虑不同疫苗类型（即Single Shot和DoubleShot疫苗）对SEIR模型的影响。在本文中，我们提出了一个修改版本的SEIR模型，考虑到不同的疫苗类型的效果。我们比较了不同的疫苗管理政策如何影响人们接触疾病、感染、康复和死亡的速度。我们的研究结果表明，与Single Shot疫苗相比，使用Pfizer-BioNTech和Moderna等双针疫苗在减轻疾病传播和死亡率方面做得更好，因为它具有更高的疗效。
2021-06-06 q-bio.PE
COVID-19 pandemic: a mobility-dependent SEIR model with undetected cases in Italy, Europe and US
预防措施：描述第一波COVID-19疫情，重点关注未被发现的病例，并评估不同的封城后情况。产品设计：该研究采用SEIR分区模型，考虑到未被发现的病例的区域特定比例，流动限制的影响，以及所采取的个人防护措施，例如戴口罩和经常洗手。设置和参与者：该模型的实验验证与所有的意大利地区，一些欧洲国家和美国的数据。主要观察指标：通过平均绝对百分误差（MAPE）和Lewis准则衡量模型结果的准确性，拟合参数与文献值吻合较好。研究结果：对不同国家的流行曲线以及未发现和无症状病例的数量进行了估计，这些病例很可能是近期的主要感染源。该模型应用于湖北案例研究，湖北是最早放宽流动限制的地方。结果显示了不同的可能情况。流动性和采取个人保护措施对感染的动态有很大影响，决定了是一个巨大和迅速的第二次流行病高峰，还是一个更延迟和更易管理的高峰。结论：数学模型可以为医疗保健决策者提供有用的见解，以确定未来爆发时的最佳策略。
2021-06-02 physics.soc-ph q-bio.PE
Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models
2019年的最后一站出现了一种名为COVID-19（2019冠状病毒病）的病毒。自从印度出现这种感染以来，政府实施了几项政策和限制措施，以遏制其在人口中的传播。随着时间的推移，这些限制被放宽，人们被建议自行采取预防措施。印度政府及时采取的这些决定在很大程度上帮助减缓了COVID-19的传播。尽管作出了这些决定，但这一流行病继续蔓延，因此，迫切需要规划和控制这一疾病的蔓延。这可以通过找到关于传播的未来预测来实现。全球的科学家正在努力估计COVID-19的未来增长。本文提出了一个修正的SEIRD（易感-暴露-死亡-死亡）模型，用于预测印度及其病例总数最高的五个邦的COVID-19感染情况。在该模型中，暴露区室包含可能无症状但具有传染性的个体。本文还使用了基于深度学习的长短期记忆（LSTM）模型来执行短期预测。从拟议的修正SEIRD模型获得的预测也与LSTM对未来30天的预测进行了比较。本文使用截至2020年8月15日的流行病学数据进行预测。这些预测将有助于安排足够的医疗基础设施，并提供适当的预防措施，以应对目前的流行病。印度政府实施的不同封锁措施的影响也被用于拟议的修正SEIRD模型的建模和分析中。本文所载结果将为未来制定控制COVID-19在印度传播的政策提供指引。
2020-09-07 cs.CY physics.soc-ph q-bio.PE
Identifiability of the spatial SEIR-HCD model of COVID-19 propagation
本文基于Sobol敏感性分析和贝叶斯方法，研究了COVID-19传播的空间SEIR-HCD模型的可辨识性，缩小了未知参数边界并指出辨识扩散系数需额外信息。
2024-12-25 math.OC physics.soc-ph q-bio.PE
An application of discrete-time SEIR model to the COVID-19 spread
多个国家采用了易感-暴露-易感-隔离（SEIR）模型，以确定2019冠状病毒病（COVID-19）的传播情况。研究了离散SEIR传染病模型在一个不考虑出生和死亡的封闭系统中的传播，所考虑的总总体规模为常数。该动力系统由依赖于四个参数的非线性演化算子生成。在一定的参数条件下，我们将演化算子化为一个二次随机算子（QSO），它将三维单纯形映射到自身。我们证明了类星体有不可数的不动点集（都位于单形的边界上）。结果表明，SEIR模型的动力系统（由类星体产生）的所有轨迹都是收敛的（即类星体是正则的）。此外，我们还讨论了乌兹别克斯坦模式的效率。
2021-05-01 math.DS q-bio.PE
A multi-group SEIRA model for the spread of COVID-19 among heterogeneous populations
COVID-19的爆发及传播对现代社会构成重大挑战。特别是各国政府为防止病毒传播而采取的不同限制性行动，改变了人类交往和设想交往的方式。由于地理，行为或经济因素，人口中的不同亚组更有可能（或更少）相互作用，从而传播/获得病毒。在这项工作中，我们提出了一个通用的多组SEIRA模型，用于表示COVID-19在异质人群中的传播，并在数值研究案例中对其进行了测试。通过强调其适用性和其一般配方可以适应特定的研究，我们希望我们的模型，使我们更好地了解这种流行病的演变和更好的公共卫生政策，以控制它。
2020-04-28 q-bio.PE
Mathematical and Computer Modeling of COVID-19 Transmission Dynamics in Bulgaria by Time-depended Inverse SEIR Model
在本文中，我们探讨了一个时间依赖的SEIR模型，在该模型中，从一个选定的目标群体（人口），根据感染划分的四组感染的动力学，由一个非线性常微分方程系统建模。模型中包含了几个基本参数：感染率系数、潜伏率系数、恢复率系数。这些系数适用于每个国家的每一种具体感染，并取决于各国限制感染传播的措施和治疗感染者的方法的有效性。如果这些系数是已知的，那么求解非线性系统就有可能能够对流行病的发展做出一些假设。这就是使用保加利亚COVID-19数据首先解决所谓的“逆问题”并找到当前情况的参数的原因。反向逻辑最初用于确定模型的参数作为时间的函数，然后通过计算机解决问题。也就是说，这意味着预测这些参数的未来行为，并找到（并因此应用大规模测量，例如，隔离、消毒、限制公共活动），这是未来四个研究群体数量比例变化的合适情景。事实上，基于这些结果，我们对保加利亚的COVID-19传播动态进行了建模，并对每天的新病例数、活跃病例数和康复者人数进行了为期两周的预测。如我们所示，这种模型在保加利亚的情况下成功地进行了预测分析。我们还提供了多个数值实验的例子与可视化的结果。
2020-08-20 physics.soc-ph q-bio.PE
SEIR and Regression Model based COVID-19 outbreak predictions in India
COVID-19疫情已成为该国的主要威胁。到目前为止，没有经过充分测试的药物或解毒剂可以治愈这种疾病。根据世卫组织的报告，COVID-19是一种严重急性呼吸系统综合征，通过呼吸道飞沫和接触途径传播。对这一疾病的分析需要政府给予极大的关注，采取必要步骤，减少这一全球流行病的影响。在这项研究中，分析了印度截至2020年3月30日的这种疾病的爆发情况，并预测了未来两周的病例数。SEIR模型及回归模型已根据于二零二零年一月三十日至二零二零年三月三十日期间从约翰霍普金斯大学储存库收集的数据进行预测。用RMSLE对模型的性能进行了评价，SEIR模型的性能达到1.52，回归模型的性能达到1.75。SEIR模型和回归模型之间的RMSLE误差率为2.01。此外，计算出疾病传播的R 0值为2.02。预计在未来两周内，病例可能会增加5000-6000例。这项研究将有助于政府和医生准备未来两周的计划。基于对短期间隔的预测，这些模型可以被调整用于长期间隔的预测。
2020-04-01 q-bio.PE
A SEIRUC mathematical model for transmission dynamics of COVID-19
全球仍在与持续一年多的COVID-19作斗争。迄今为止，这一直是人类在抗击COVID-19方面面临的最大挑战，因为与SARS-COV和MERS-COV病原体相比，导致COVID-19的病原体SARS-COV-2具有显著的生物学和传播特性。尽管实施了许多控制战略以减少疾病传播，但世界各地的感染病例数量仍在增加。因此，一个能够描述COVID-19的真实性质和影响的数学模型对于更好地理解COVID-19的疾病传播动态是必要的。本文提出了一个新的分室SEIRUC数学模型，其中包括新的状态称为恢复期（C）。为所提出的模型确定了基本再生数$\mathcal{R}_0$。利用Routh-Hurwitz准则对无病平衡点（$\mathcal{E}_0$）和地方病平衡点（$\mathcal{E}_*$）进行了稳定性分析。给出了计算结果的图解说明，验证了理论结果的正确性.
2021-06-15 math.DS q-bio.PE
A reaction-diffusion system to better comprehend the unlockdown: Application of SEIR-type model with diffusion to the spatial spread of COVID-19 in France
考虑到易感、暴露和无症状个体的平均每日移动，开发了一个反应扩散模型来描述COVID-19病毒的传播。该模型使用来自法国的确诊感染和死亡数据及其初始空间分布进行了校准。首先研究了偏微分方程组，然后导出了基本再生数R 0。其次，基于水平集和有限差分相结合的数值模拟显示了COVID-19从3月16日到6月16日的空间传播。最后，根据距离变化或部分空间锁定的情况下，解锁进行比较。
2020-05-06 math.AP q-bio.PE
SEIRS epidemiology model for the COVID-19 pandemy in the extreme case of no acquired immunity
我们认为SEIRS分区流行病学模型适用于在没有获得性免疫的极端限制情况下预测COVID-19流行病的演变。找到了无病不动点和地方病不动点，并分析了它们的稳定性。给出了基本再生比的表达式，并讨论了基本再生比对模型参数的依赖关系。阈值接触率的发现，这决定了一个稳定的无病不动点存在的可能性。pandemy进化的数值解也进行了与疾病传播的早期阶段，以及为它的衰减后，采取快速措施的近似解析解。我们分析了引入和放宽检疫措施的几种可能情况。在固定的识别率和隔离率下，周期性的“隔离开”和“隔离关”策略不能减少第二波和连续波的下降，而如果还包括识别率和隔离率的灵活增加，则这一目标是可能实现的。
2020-12-12 q-bio.PE
An SEIR epidemic model of fractional order to analyze the evolution of the COVID-19 epidemic in Argentina
新型冠状病毒（COVID-19）引起的大流行病已在全球蔓延，导致阿根廷的疫情仍在活跃。在本章中，我们提出了一个案例研究，使用SEIR（易感-暴露）的分数阶扩散模型的时间来分析流行病的演变在布宜诺斯艾利斯和邻近地区（Región Metropolitana de Buenos Aires，（RMBA））包括约1500万居民。在SEIR模型中，个体被分为四类，即易感者（S）、暴露者（E）、感染者（I）和康复者（R）。分数阶的SEIR模型允许将记忆与系统的遗传特性结合，作为经典SEIR一阶系统的推广，其中忽略了这种影响。此外，分数模型提供了一个额外的参数，以获得更好的数据拟合。模型的参数通过使用官方报告的伤亡人数作为数据进行校准。由于无限解尊重数据，我们展示了一组具有不同锁定参数值、死亡率、潜伏期和感染期的情况。由此获得的不同繁殖率R 0和感染致死率（IFR）表明，结果可能与最近报告的值不同，构成了可能的替代解决方案。与经典的SEIR模型得到的结果的比较也包括在内。分析使我们能够研究隔离和社交距离措施如何影响疫情的时间演变。
2021-04-07 q-bio.PE
Simulating the spread of COVID-19 via spatially-resolved susceptible-exposed-infected-recovered-deceased (SEIRD) model with heterogeneous diffusion
我们提出了一个早期版本的易感暴露-中毒-死亡（SEIRD）的数学模型的基础上偏微分方程耦合的非均匀扩散模型。该模型描述了COVID-19大流行的时空传播，旨在根据人类习惯和地理特征捕捉动态。为了测试该模型，我们将有限元求解器生成的输出与意大利伦巴第大区的测量数据进行了比较，该地区在2020年2月至4月期间受到这场危机的严重影响。我们的研究结果显示，对伦巴第大区COVID-19时空传播的模拟预测与在市政一级收集的流行病学数据之间存在很强的定性一致性。探索放松封锁限制的替代方案的其他模拟表明，重新开放战略应考虑到地方种群密度和传染的具体动态。因此，我们认为，对我们模型的数据驱动模拟最终可以为卫生当局提供信息，以设计有效的流行病遏制措施，并预测关键医疗资源的地理分配。
2020-05-11 cs.NA math.NA physics.soc-ph
Covid-19 Belgium: Extended SEIR-QD model with nursing homes and long-term scenarios-based forecasts
随着COVID-19疫情蔓延及疫苗接种计划尚未建立，本集团已实施若干非药物干预措施，如部分及全面封锁、隔离及物理距离措施，以减少疾病传播及减轻医疗系统的压力。数学模型是重要的工具，可用来估计这些干预措施的影响，监测国家一级流行病的目前演变情况，并估计放松措施的潜在长期后果。在本文中，我们使用确定性年龄结构扩展房室模型对比利时COVID-19疫情的演变进行了建模。我们的模型特别考虑了养老院，这些养老院被建模为与普通人群分开的实体，以捕捉这些实体内的特定延迟和动态。该模型整合了社会接触数据，并根据住院数据（入院和出院）、每日COVID-19死亡人数（区分普通人群和养老院相关死亡）和血清学研究结果进行拟合，并基于贝叶斯方法进行了敏感性分析。我们呈现2020年11月的情况，并估计从模型推导出的COVID-19的一些特征。我们还提出了几个中期和长期预测的基础上，加强或放松社会接触的不同一般部门的情况下，有很多的不确定性。
2021-08-30 physics.soc-ph q-bio.PE stat.AP
Analysis of COVID-19 in Japan with Extended SEIR model and ensemble Kalman filter
我们引入了一个扩展的SEIR传染病模型，用于研究COVID-19的传播。在这一框架中，考虑了未发现的无症状和症状前病例，并充分调查了其不确定比例的影响。标准的SEIR模型没有考虑这些人群，而他们在疾病传播中的作用是公认的。一个集合卡尔曼滤波器的实施同化可靠的观测模式中的三个隔间。该系统跟踪有效繁殖数的演变，并估计不可观察的子种群。分析是针对日本三个主要都道府县和日本全国人口进行的。对于这四个群体，我们估计的有效繁殖数比相应的估计由不同的方法（Toyokeizai）更稳定。我们还对一些不确定的医学参数的不同值进行了敏感性测试，例如有症状/无症状病例的相对传染性。区域分析结果表明，紧急状态的效率下降。
2021-10-29 cs.NA math.NA q-bio.PE
Mathematical Models for Describing and Predicting the COVID-19 Pandemic Crisis
本文研究了描述新型冠状病毒大流行危机的两个确定性模型SIR模型和SEIR模型的扩展。对这些模型进行了研究，并与实际数据进行了比较，以支持每种描述的有效性，并提取有关大流行病的重要信息，如基本再生数R0，这可能提供有关每个模型预测的大流行病增长率的有用信息。接下来，我们将继续进行预测，并将SEIR模型和SIRD模型衍生的更复杂的模型进行比较，以找到最适合描述和预测大流行危机的模型。旨在回答这个问题，如果简单的SIRD模型是能够作出可靠的预测，并提供适当的信息相比，更复杂的模型。
2020-06-03 physics.soc-ph q-bio.PE
Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution
本文的目的在于应用最近的流行病学模型，即SEIR与社会距离（SEIR-SD），通过定义随时间变化的社会距离函数，在此扩展，以评估意大利及其两个最重要地区，即，伦巴第和坎帕尼亚。为了有效地使用该模型，必须找到其参数的最合适的值。SEIR-SD模型参数的估计通过使用差分进化，一种启发式优化技术来进行。通过这种方式，我们能够对上述三种情况中的每一种情况评估从今天到病毒传播结束的每日感染病例数，这一数字将达到最高峰的那一天，以及感染病例将非常接近于零的那一天。
2020-04-04 cs.SI physics.soc-ph q-bio.PE
A simulation of a COVID-19 epidemic based on a deterministic SEIR model
一种由新型冠状病毒引起的流行性疾病在意大利北部蔓延，传染率很高。我们实现了一个SEIR模型来计算这种流行病的感染人口和伤亡人数。这个例子最好是关于意大利伦巴第大区的情况，那里的流行病于2月25日开始。我们用迄今为止（2020年5月5日）的死亡人数校准了模型，并根据文献中报道的值对参数进行了约束。峰值大约出现在第37天（3月31日），此时繁殖率迅速下降，最初繁殖率R0 = 3，第22天为1.36，第35天后为0.8，表明不同程度的封锁。预计死亡人数约为15600人，疫情结束时有270万人感染。提供死亡个体更好拟合的潜伏期为4.25天，感染期为4天，死亡率为0.00144/天[数值基于报告的（官方）伤亡人数]。感染死亡率为0.57%，如果假设两倍于报告的伤亡人数，则为2.36%。然而，这些比率取决于最初接触的个人。如果暴露的人数增加约9倍，则在疫情结束时感染人数增加3倍，IFR = 0.47%。如果我们放松这些限制，并使用更大范围的潜伏期和感染期的下限和上限，我们观察到，更长的潜伏期（13天对4.25天）给出相同的IFR（0.6%对0.57%），但在第一种情况下，暴露的个体多9倍。因此，死亡率的准确确定取决于对这一流行病特点的了解。
2020-05-10 physics.soc-ph q-bio.PE
Accounting for Symptomatic and Asymptomatic in a SEIR-type model of COVID-19
开发了一个数学模型，描述COVID-19病毒在人群中的动态，考虑到感染者可能有症状或没有症状。该模型使用来自法国、菲律宾、意大利、西班牙、英国、中国和美国等几个国家的确诊病例和死亡数据进行了校准。首先，我们推导出基本再生产数$\mathcal{R}_0$，并估计每个国家的有效再生产$\mathcal{R}_{\rm eff}$。第二，我们感兴趣的是干预措施的优点，无论是通过疏远还是通过治疗。结果显示，全面和部分遏制是有效的，在减少传播。然而，它的持续时间可能很长，以消除疾病（法国为104天）。通过将干预结束日期设定为达到医院容量的日期，数值模拟表明，可以缩短干预持续时间（如果容量为1 000名患者，则法国最多只需39天）。此外，结果指出，有效的繁殖数量仍然很大，遏制后。因此，检测和隔离是阻止疾病的必要条件。
2020-04-12 q-bio.PE
Forecast analysis of the epidemics trend of COVID-19 in the United States by a generalized fractional-order SEIR model
本文提出了一种广义分数阶SEIR模型，记为SEIQRP模型，该模型对未来可能爆发的COVID-19等传染病和其他昆虫疾病的预测具有基本的指导意义。首先，分析了模型的一些定性性质。导出了基本再生数$R_{0}$。当$R_{0}<1$时，无病平衡点是唯一的，并且是局部渐近稳定的。当$R_{0}>1$时，地方病平衡点也是唯一的。进一步，给出了无病平衡点和地方病平衡点局部渐近稳定的条件。对COVID-19在美国的传播趋势进行了预测。考虑到个人行为和政府缓解措施的影响，提出了一种改进的SEIQRP模型，定义为SEIQRPD模型。根据美国的真实数据，发现我们的改进模型对未来两周的疫情趋势有更好的预测能力。据此，对美国未来两周的疫情趋势进行了调查，并对隔离病例高峰进行了预测。修正后的SEIQRP模型成功捕捉到COVID-19的发展过程，为了解疫情发展趋势提供了重要参考。
2020-04-29 math.DS q-bio.PE
Analytic solution of the SEIR epidemic model via asymptotic approximant
得到了SEIR传染病模型的一个解析解。通过在$\ln S$中构造单个二阶非线性微分方程并解析地继续其发散幂级数解来创建解，使得其匹配流行病模型的正确的长时间指数阻尼。这是通过一个渐近近似（巴洛等。al，2017，Q. Jl Mech. Appl. Math，70（1），21-48），其形式为包含该阻尼的修改的对称Padé近似。该分析表格的实用性通过其在COVID-19疫情中的应用得到证明。
2020-06-30 physics.soc-ph q-bio.PE
Infectious Disease Transmission In A Modified SEIRS model
本文提出一种改进的SEIRSD模型，通过引入暴露到易感仓室的逆向传播和感染致死率，发现该逆向流动显著影响感染峰值高度及发生时间，对研究Covid-19变种传播具有现实意义。
2025-07-11 physics.soc-ph q-bio.PE
Real-Time Differential Epidemic Analysis and Prediction for COVID-19 Pandemic
在本文中，我们提出了一个新的实时差分病毒传播模型，它可以提供更准确和鲁棒的COVID-19传播的传染病的短期预测与短期趋势预测的好处。与现有的基于易感-暴露-消除（SEIR）的病毒传播模型不同，该模型适合于具有足够历史数据的流行病建模，新模型也是基于SEIR的，它使用短历史数据来发现感染者、死亡者和康复者的疾病动态变化趋势，从而自然地适应疾病缓解的自适应实时变化，商业活动和社会行为。由于改进的SEIR模型的参数是由短历史窗口数据训练的，因此我们的差分流行病模型本质上是基于窗口的时变SEIR模型。由于SEIR模型仍然是一个基于物理的疾病传播模型，其短期（如一个月）预测仍然可以为政策制定者实时指导他们的疾病缓解和商业活动政策变化的决策提供非常有用的工具。这是特别有用的，如果大流行持续一年以上，不同的阶段在世界各地，如1918年流感大流行。我们分析了来自中国、意大利和美国、加利福尼亚州和纽约州的最新COVID-19数据的数值结果。
2020-05-03 q-bio.PE q-bio.QM
An age-structured SEIR model for COVID--19 incidence in Dublin, Ireland with framework for evaluating health intervention cost
全球为减轻COVID-19威胁而采取的策略主要涉及封锁措施，经济及社会成本巨大，并取得不同程度的成功。COVID-19变种的发病模式与年龄有很强的相关性，而限制性封锁措施与某些年龄组的负面心理健康结果有关。经济前景恶化也可能对某些年龄组的影响比对其他年龄组的影响更大。受此启发，我们提出了一个模型来描述COVID-19社区传播，其中包括特定年龄的社会互动的作用。通过一个灵活的参数化的年龄结构的确定性易感暴露传染性去除（SEIR）模型，我们提供了一种手段来表征不同形式的封锁，可能会影响特定的年龄组不同。社会互动通过年龄组到年龄组的接触矩阵来表示，这些矩阵可以使用现有数据进行训练，从而适应当地情况。这个框架很容易解释，适合描述反事实的情景，这可以帮助政策制定者在尽量减少发病率与预期抑制战略的成本平衡。我们的工作源于爱尔兰，我们使用爱尔兰政府机构从2020年2月29日至2021年1月31日收集的疾病监测数据。我们演示了如何爱尔兰封锁的情况下，可以使用建议的模型制定和显示结果的回顾性拟合发病率和前瞻性规划与相关的“如果/而不是”锁定反事实与不确定性量化。我们的公式是不可知的一个特定的区域，在其他地区的锁定策略可以直接编码使用此模型。我们所描述的方法通过一个可访问和易于使用的Web界面在网上公开提供。
2021-06-11 econ.GN physics.soc-ph q-bio.PE
A data-driven analysis on the mediation effect of compartment models between control measures and COVID-19 epidemics
本文利用SEIR-QD仓室模型拟合127个国家/地区第一波COVID-19疫情数据，通过中介分析揭示仓室模型在控制措施与疫情动态之间的中介效应，并与线性和神经网络回归结果对比，深化了对控制措施强度与疫情动力学内在关联的理解。
2023-09-22 physics.soc-ph q-bio.PE
The TVBG-SEIR spline model for analysis of COVID-19 spread, and a Tool for prediction scenarios
数学模型传统上用于分析流行病的长期全球演变，以确定爆发的可能性和严重性，并为确定疾病干预措施的类型和强度提供关键信息。流行病长期传播的广泛使用的数学模型之一是所谓的确定性房室模型（SIR/SEIR型模型）。应用这些模型的主要目的之一是评估当局实施的昂贵的限制措施（家庭和社会隔离/检疫、旅行限制等）可有效降低该病的控制繁殖数和传播风险。然而，经典的SIR/SEIR模型主要是在所谓的平稳情况下研究的，其中主要参数，传输速率β（反映受感染个体的病毒传播）和去除速率γ（反映住院/隔离措施）在整个感兴趣的时间段内保持恒定。因此，重要的是通过为传输速率Beta（t）（我们将进一步称之为Beta）和去除速率Gamma（t）（我们将进一步称之为Gamma）的动态特性创建新的分析来扩展经典SIR/SEIR模型。本研究的主要目的是介绍一个基于样条函数的SEIR模型，或简称为TVBG-SEIR模型，它是用来估计公共卫生干预措施和措施的实际意义。我们已经设计了一个工具的基础上的TVBG-SEIR模型，这可能是用来作为一个决策支持工具，以协助卫生决策者和政策制定者在创建预测方案。
2020-04-27 cs.NA math.NA q-bio.PE
Incorporating Interventions to an Extended SEIRD Model with Vaccination: Application to COVID-19 in Qatar
本文提出一种结合干预措施的扩展SEIRDV分区模型，利用贝叶斯框架进行参数估计与预测，以评估政府干预和疫苗接种对卡塔尔COVID-19疫情动态的影响，并量化因疫苗避免的超额死亡人数。
2022-11-04 q-bio.PE stat.AP
Rational evaluation of various epidemic models based on the COVID-19 data of China
基于赤池信息量准则、均方根误差和鲁棒系数，对7种经验函数、4种统计推断方法和5种动力学模型的预测能力进行了合理的评价。对于中国COVID-19疫情的爆发数据，我们发现在拐点之前，所有模型都无法做出可靠的预测。Logistic函数始终低估了最终的流行规模，而Gompertz函数在所有情况下都高估了。在统计推断方法中，序贯贝叶斯方法和时间依赖的再生数方法在流行后期更准确。而指数增长法关于拐点的从低估到高估的过渡性行为可能有助于构造更可靠的预测。与基于ODE的SIR、SEIR和SEIR-AHQ模型相比，SEIR-QD和SEIR-PO模型在研究COVID-19疫情方面总体表现出更好的性能，我们认为其成功可归因于模型复杂性和拟合精度之间的适当权衡。我们的发现不仅对COVID-19疫情的预测至关重要，而且可能适用于其他传染病。
2021-09-15 math.DS q-bio.PE q-bio.QM
Mathematical modeling and prediction of COVID-19 in Moscow city and Novosibirsk region
该论文基于SEIR类型模型，基于有关检测病例数、死亡率、自我隔离系数以及自2020年3月23日起对莫斯科市和新西伯利亚地区进行的测试等额外信息，制定并解决了COVID-19冠状病毒感染传播数学模型未知参数的识别问题。在所用模型的框架内，人口被分为七个（SEIR-HCD）和五个（SEIR-D）组，具有相似的特征，组间的转移概率取决于特定区域。进行了SEIR-HCD数学模型的可辨识性分析，揭示了对附加测量最不敏感的未知参数。细化参数的任务减少到最小化相应的目标泛函，这是使用随机方法（模拟退火，差分进化，遗传算法等）解决。对于不同数量的测试数据，开发了莫斯科市和新西伯利亚地区疾病发展的预测方案，预测了莫斯科疫情发展的高峰，误差为2天，检测到174例，并对开发的模型的适用性进行了分析。
2020-06-18 math.DS q-bio.PE
Universal Masking is Urgent in the COVID-19 Pandemic: SEIR and Agent Based Models, Empirical Validation, Policy Recommendations
HKUST (University of Science & Technology)（香港科技大学）；International Computer Science Institute（国际计算机科学研究所）；Ecole de Guerre Economique（经济战争学院）；University of Cambridge（剑桥大学）；Manifold Research；University College London（伦敦大学学院）；ELU AI Ltd（ELU AI有限公司）；Royal Free Hospital（皇家自由医院）；Population Research Institute, The Family Federation of Finland（芬兰家庭联合会人口研究所）
我们为COVID-19大流行提出了两个模型，用于预测普遍佩戴口罩对SARS-CoV-2病毒传播的影响-一个采用基于随机动态网络的分区SEIR（易感染-暴露-感染-恢复）方法，另一种采用单兵反弹道导弹（基于主体的建模）蒙特卡罗模拟-表明：（1）当至少80%的人口佩戴口罩时，在（接近）普遍掩蔽下会产生重大影响，与只有50%或更少的人口戴口罩时的影响最小相比，（2）在区域性疫情爆发的第50天之前，早期采用普遍掩蔽时的影响显著，与晚期采用普遍掩蔽时的影响最小相比。即使在自制口罩的较低过滤率下，这些效果也保持不变。为了验证这些理论模型，我们将他们的预测与我们收集的新的经验数据集进行比较，这些数据集包括地区是否具有普遍的掩蔽文化或政策，它们的每日病例增长率以及它们从每日病例增长率峰值减少的百分比。结果显示，早期普遍掩蔽和成功抑制每日病例增长率和/或从峰值每日病例增长率降低之间存在近乎完美的相关性，正如我们的理论模拟所预测的那样。我们的理论和实证结果表明，迫切需要实施通用掩蔽。随着政府计划如何退出社会封锁，它正在成为一个关键的NPI;在经济，社会和心理健康方面，“嘴和鼻子的封锁”比“全身封锁”更具可持续性。反弹道导弹模拟的交互式可视化见www.example.com。我们建议立即提出佩戴口罩的建议，正确使用的官方指导方针，以及提高认识的运动，以将口罩的心态从纯粹的自我保护转变为负责任地保护社区的…
2020-04-22 cs.AI physics.soc-ph q-bio.PE
Simulation-free estimation of an individual-based SEIR model for evaluating nonpharmaceutical interventions with an application to COVID-19 in Iowa
持续的COVID-19大流行压倒性地表明，需要准确评估实施新的或改变现有非药物干预措施的影响。由于无法通过传统的实验手段对这些在社会层面上实施的干预措施进行评估，公共卫生官员和其他决策者必须依靠统计和数学流行病学模型。非药物干预通常集中在人口成员之间的接触，但大多数流行病学模型依赖于均匀混合，这已多次被证明是一个不切实际的接触模式的代表。另一种方法是基于个体的模型（IBM），但这些方法通常是时间密集型的，并且实现起来计算成本高，需要高度的专业知识和计算资源。决策者往往需要在很短的时间内利用有限的资源了解可能的公共政策决定的影响。本文提出了一种估计算法的IBM设计，以评估非药物干预。通过利用递归关系，我们的方法可以快速计算预期的流行病学结果，即使是基于任何任意接触网络的大人群。我们利用我们的方法来评估放松目前的社交距离措施在美国爱荷华州，在不同的时间和不同程度的影响。\verb！R！补充材料中提供了我们方法的代码，从而允许其他人将我们的方法用于其他区域。
2020-11-02 q-bio.PE stat.ME
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病（COVID-19）引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量，建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测，考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用，基本再生数的推导。所取得的成果说明了潜在的积极发展，并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
A matlab code to compute reproduction numbers with applications to the Covid-19 outbreak
我们讨论了各种繁殖比率或数字的产生，这些比率或数字对监测像Covid-19这样的持续流行病非常有用，并检查了干预措施的效果。详细的SEIR算法描述了它们的计算，并应用于当前在一些国家（阿根廷，巴西，法国，意大利，墨西哥，西班牙，英国和美国）爆发的Covid-19疫情。相应的matlab脚本，完整的，准备使用，提供免费下载。
2020-06-23 physics.soc-ph q-bio.PE
Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
这项工作的目标是研究巴西COVID-19疫情的最佳控制措施。研究了一类具有隔离区的年龄结构SEIRQ模型，其中控制变量为隔离区入口参数。然后，我们比较了最佳控制不同的检疫长度和分布的总控制成本，通过评估各自的减少死亡相比，同期没有检疫。最好的策略是提供一个日历，说明何时放松每个年龄组的隔离措施。最后，我们分析了隔离开始的延迟如何通过改变初始条件来影响该日历。
2020-05-19 physics.soc-ph q-bio.PE
Prediction of the Number of COVID-19 Confirmed Cases Based on K-Means-LSTM
COVID-19是一种大流行性疾病，于2020年1月19日在华盛顿州发现首例病例后开始在美国迅速传播。2020年3月9日，然后迅速增加，截至2020年4月20日，总病例数为25，739例。新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）大流行令人不安，以至于很难理解任何人是如何受到这种病毒的影响的。根据美国疾病控制和预防中心（CDC）的数据，尽管大多数冠状病毒感染者（81%）的症状很少或轻微，但其他人可能依赖呼吸机呼吸或根本不呼吸。SEIR模型在预测患有各种疾病的人群的结果方面具有广泛的适用性。然而，许多研究人员在使用这些模型时没有验证必要的假设。太多的研究人员经常通过使用太多的预测变量和小样本来创建模型，从而“过度拟合”数据。因此，开发的模型不太可能经得起对单独一组人口和区域的有效性检查。研究人员仍然没有意识到过度拟合已经发生，没有尝试这样的验证。在论文中，我们提出了一种组合算法，该算法使用Xgboost、K均值和长短期记忆（LSTM）神经网络基于区域组合相似日期特征选择来构建预测模型（即，K-Means-LSTM），用于美国路易斯安那州的短期COVID-19病例预测。基于极端梯度提升的加权k-means算法被用来评估预测和过去几天之间的相似性。结果表明，K-Means-LSTM方法具有更高的准确度，RMSE为601.20，而SEIR模型的RMSE为3615.83。
2020-06-26 physics.soc-ph q-bio.PE
A stochastic metapopulation state-space approach to modeling and estimating Covid-19 spread
数学模型被广泛认为是分析和理解传染病暴发动态、预测其未来趋势以及评估疾病控制和消除的公共卫生干预措施的重要工具。基于离散时空易感/暴露/感染/恢复/死亡（SEIRD）模型，提出了一种新的COVID-19传播随机集合种群状态空间模型.建议的框架允许隐藏的SEIRD状态和未知的传输参数估计噪声，不完整的时间序列报告的流行病学数据，通过应用无迹卡尔曼滤波（UKF），最大似然自适应滤波，和元启发式优化。使用合成数据和德克萨斯州2020年秋季Covid-19浪潮的真实数据进行的实验证明了所提出模型的有效性。
2021-06-15 cs.SI eess.SP q-bio.PE
Nonlinear dynamic analysis of an epidemiological model for COVID-19 including public behavior and government action
本文关注的是对目前肆虐地球的COVID-19大流行的非线性建模和分析。有两个目标：以达到一个适当的模型，忠实地捕捉收集到的数据，并以此为基础，探索非线性行为。我们使用一个非线性SEIR（易感，暴露，传染性和删除）传输模型，增加了行为和政府政策的动态。我们开发了一种遗传算法技术，采用韩国的COVID 19数据来识别关键模型参数。分析了系统的稳定性、分岔和动力学行为。参数分析揭示了持续流行病均衡发生的条件。这项工作指出了非线性动态分析在流行病建模中的价值，并展示了社会和政府行为对疾病动态的巨大影响。
2020-10-14 physics.soc-ph q-bio.PE
Modelling a novel Coronavirus (COVID-19): A stochastic SEIR-HCD approach, with real-time parameter estimation & forecasting for Scotland
面对2020年的SARS-CoV 2疫情，公共卫生官员一直在寻找模型，不仅可以用来预测新病例的数量，还可以预测住院、重症监护和死亡的水平。在本文中，我们提出了一个随机房室模型，能够实时监测和预测的大流行病纳入多个流的真实世界的数据，报告的病例，测试强度，死亡，住院和重症监护占用。通过贝叶斯粒子滤波技术估计模型参数。该模型成功追踪了苏格兰COVID-19爆发的两波（2020年3月至6月和9月至11月）期间的关键变量（报告病例、重症监护和死亡）。2020年夏季的模型住院预测始终低于记录的数据，但与苏格兰健康保护局9月15日对报告标准的变更一致。大多数参数估计值在两波中是恒定的，但感染率和生殖数量在第一波的后期阶段下降，并从2020年7月开始再次增加。死亡率最初很高，但在2020年夏季下降，然后在11月再次上升。该模型还可用于提供短期预测。我们发现，2020年3月至6月期间的2周可预测性非常好，即使在大流行的早期阶段。该模型在2020年9月的病例数增加方面有所放缓，但在疫情后期预测再次改善。
2020-12-22 q-bio.PE stat.AP
A Mathematical Model of COVID-19 Transmission
通过流行病学、应用数学和统计学等学科研究疾病传播。传播的数学模拟模型对解决公共和个人健康挑战具有重要意义。SIR模型使用房室方法，包括通过三个因素传播的动态和非线性行为：易感、感染和移除（康复和死亡）个体。利用Lambert W函数，我们提出了一个研究SIR模型解的框架。这展示了COVID-19传播数据在模拟真实世界疾病传播方面的应用。不同的疾病模型，包括SIR，SIRmp和SEIRpqr模型的预测疾病传播的能力进行了比较。物理距离的影响和个人防护设备的使用与COVID-19传播相关。
2022-01-01 physics.soc-ph q-bio.PE
Adaptive Mesh Refinement and Coarsening for Diffusion-Reaction Epidemiological Models
2020年爆发的COVID-19疫情引发了人们对传染病数学建模的兴趣。疾病传播可以被建模为房室模型，其中所研究的人群被划分为房室，并假设从一个房室到另一个房室的转移的性质和时间速率。通常，它们由时间上的常微分方程（ODE）系统组成。一类这样的模型考虑了易感、暴露、感染、感染和死亡人群，即SEIRD模型。然而，这些模式并不总是考虑到个人从一个地区到另一个地区的流动。在这项工作中，我们将SEIRD分区模型的公式扩展到偏微分方程的扩散-反应系统，以捕获COVID-19的连续时空动态。由于病毒的传播不仅是通过扩散，我们在方程组中引入了一个源项，代表旅行归来的暴露人群。我们还增加了各向异性非均匀扩散的可能性。我们实现了整个模型在\texttt{libMesh}，一个开放的有限元库，提供了一个框架，多物理场，考虑自适应网格细化和粗化。因此，该模型可以表示多个空间尺度，使分辨率适应疾病动态。我们验证我们的模型与标准SEIRD模型，并显示了几个例子，突出本模型的新功能。
2020-10-23 physics.soc-ph q-bio.PE
Optimal control of vaccination and plasma transfusion with potential usefulness for COVID-19
SEIR模型是一种用于模拟流行病动态的房室模型。在这一章中，我们介绍了两个控制功能的房室SEIR模型代表疫苗接种和血浆输血。本文提出了最优控制问题，研究这两种控制措施对减少感染者和增加康复者的效果，并使费用最小。据我们所知，血浆输注治疗从未被认为是缓解流行病的控制策略。建议的疫苗接种和治疗策略可能在控制COVID-19大流行这一具有挑战性和困难的问题上有实际应用。
2020-10-08 math.OC q-bio.PE
COVID-19 infection and recovery in various countries: Modeling the dynamics and evaluating the non-pharmaceutical mitigation scenarios
2019冠状病毒病（COVID-19）大流行严重影响我们的生活，而COVID-19的传播╱感染和恢复动态仍不清楚。提出了一个时间依赖的易感、暴露、传染和隔离（SEIR）模型，并将其应用于拟合和预测中国各省和大城市在过去三个月（至2020年3月22日）观察到的COVID-19演变的时间序列。模型结果显示传播/感染率的空间依赖性和恢复率的显著时空变化，可能是由于筛查技术和公立医院系统的不断改进以及中国城市的全面封锁。经验证的SEIR模型随后被应用于预测美国、意大利、日本及韩国的COVID-19演变，这些国家迄今对监测及缓解COVID-19的反应不同，尽管由于不同国家的最大感染人口及感染/康复率的内在变化，这些预测包含高度不确定性。此外，开发了一个基于随机行走粒子跟踪方案的随机模型，类似于混合限制双分子反应模型，以评估缓解COVID-19传播的非药物策略。使用随机模型进行的初步测试显示，如果不是所有感染者都能及时得到诊断和隔离，自我隔离在减缓COVID-19传播方面可能不如严格的社交距离有效。
2020-03-31 q-bio.PE
